(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111507167.3 (22)申请日 2021.12.10 (71)申请人 烟台杰瑞 石油服务集团股份有限公 司 地址 264034 山东省烟台市莱山区杰瑞路5 号 (72)发明人 王新梦　王宗文　李涛　孙明华　 (74)专利代理 机构 北京信慧永光知识产权代理 有限责任公司 1 1290 代理人 房岭梅　曹正建 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) F04B 51/00(2006.01)G06F 119/10(2020.01) (54)发明名称 泵阀故障检测方法 (57)摘要 本发明提供一种泵阀故障检测方法， 该方法 包括： 构建反映泵阀状态的振动信号的特征的泵 阀故障指标体系； 利用LS TM深度模型并依据自编 码器原理建立LSTM ‑AE模型， 并且设定故障判别 阈值； 基于泵阀故障指标体系将训练数据输入 LSTM‑AE模型， 以对LSTM ‑AE模型进行训练； 以及 基于泵阀故障指标体系将待检测的泵阀的检测 数据输入到训练好的LS TM‑AE模型中， 并将LS TM‑ AE模型获得的输出值与设定故障判别阈值进行 比较， 从而判断被检测的泵阀是否出现故障， 并 输出第一判断结果。 根据本申请的方法， 提高了 模型实际应用的普适 性和准确性。 权利要求书2页 说明书13页 附图4页 CN 114417699 A 2022.04.29 CN 114417699 A 1.一种泵阀故障检测方法， 其特 征在于， 所述方法包括： 构建反映泵阀状态的振动信号的特 征的泵阀故障指标体系； 利用LSTM深度模型并依据自编码器原理建立 LSTM‑AE模型， 并且设定故障判别阈值； 基于所述泵阀故障指标体系将训练数据输入所述LSTM ‑AE模型， 以对所述LSTM ‑AE模型 进行训练； 以及 基于所述泵阀故障指标体系将待检测的泵阀的检测数据输入到训练好的所述LSTM ‑AE 模型中， 并将所述LSTM ‑AE模型获得的输出值与所述设定故障判别阈值进 行比较， 从而判断 被检测的所述泵阀是否出现故障， 并输出第一判断结果。 2.根据权利要求1所述的泵阀故障检测方法， 其特征在于， 构建反映泵阀状态的振动信 号的特征的泵阀故障指标体系包括： 基于所述振动信号构建体现所述振动信号的时域特 征的时域统计指标； 基于所述振动信号构建反映所述振动信号的频谱差异特 征的频域指标。 3.根据权利要求2所述的泵阀故障检测方法， 其特征在于， 构建反映泵阀状态的振动信 号的特征的泵阀故障指标体系进一 步包括： 通过对所述时域统计指标进行 敏感性对比来获取泵阀故障敏感统计指标； 通过计算所述振动信号的所述频域指标的频域能量和以及频域 能量和占比， 从所述频 域指标中筛 选出频域特征指标； 以及 基于所述泵阀故障敏感统计指标和筛选出的所述频域特征指标构建所述泵 阀故障指 标体系。 4.根据权利要求1至3中任一项所述的泵阀故障检测方法， 其特征在于， 所述方法还包 括： 构建专家经验库， 并将所述专家经验库文本数据处理为结构化文本， 其中， 所述专家经 验库包括泵阀结构日常维护日志、 设备维护规范、 售后维护记录以及技术人员经验总结； 以 及 基于待检测的泵阀的所述检测数据根据所述专家经验库判断所述泵阀是否出现故障， 并输出第二判断结果； 基于所述第 一判断结果和所述第 二判断结果， 获得用于判断所述泵阀是否出现故障的 最终判断结果。 5.根据权利要求 4所述的泵阀故障检测方法， 其特 征在于， 如果所述第 一判断结果与 所述第二判断结果相同， 则 输出所述第 一判断结果或所述第 二判断结果作为所述 最终判断结果； 如果所述第一判断结果判定所述泵阀为正常， 所述第二判断结果判定所述泵阀为故 障， 则输出 所述第一判断结果作为所述 最终判断结果； 如果所述第一判断结果判断所述泵阀为故障， 所述第二判断结果判断所述泵阀为正 常， 则向后连续识别故障报警是否持续进 行， 并且向前判断是否有故障发生趋势， 以判断所 述泵阀是否出现故障。 6.根据权利要求5所述的泵阀故障检测方法， 其特征在于， 若向后连续识别所述故障报 警为持续进行， 且向前判断有所述故障发生趋势， 则判定所述泵阀出现故障并作为所述最 终判断结果。权　利　要　求　书 1/2 页 2 CN 114417699 A 27.根据权利要求1至3中任一项所述的泵阀故障检测方法， 其特征在于， 所述方法还包 括： 通过使用安装在所述泵阀上的振动传感器采集所述泵阀在故障状态下和在正常状态 下的数据， 以获得 所述振动信号。 8.根据权利要求3所述的泵阀故障检测方法， 其特 征在于， 所述泵阀故障敏感统计指标包括峭度指标、 均方根 值、 峰值指标和脉冲指标。 9.根据权利要求3所述的泵阀故障检测方法， 其特 征在于， 所述泵阀故障敏感统计指标包括均方根 值、 峰值指标、 脉冲指标和偏斜度指标。 10.根据权利要求1至3中任一项所述的泵阀故障检测方法， 其特征在于， 设定故障判别 阈值包括： 设置阈值区间[err_train_min,err_train_max* 1000]， 其中， err_train_min表示所述 训练数据均方误差最小值， er r_train_max表示所述训练数据均方误差最大值； 将所述区间等间隔划分， 并基于所述区间逐个提取阈值， 计算所提取阈值时的所述 LSTM‑AE模型的评价指标AUC和F1的值； 以及 根据所获得的评价指标AUC和F1确定所述故障判别阈值的取值或取值范围。 11.根据权利要求2或3所述的泵阀故障检测方法， 其特征在于， 基于所述振动信号构建 体现所述振动信号时域特 征的时域统计指标包括： 通过对所述振动信号的时域特征计算包括均值、 绝对均值、 方差、 标准差、 方根幅值、 均 方根值、 峰值、 最大值、 最小值、 波 形指标、 峰值指标、 脉冲指标、 裕度指标、 偏斜度指标、 峭度 指标的指标来构建所述时域统计指标。 12.根据权利要求3所述的泵阀故障检测方法， 其特征在于， 基于所述振动信号构建反 映所述振动信号的频谱差异特 征的频域指标包括： 对所述振动信号进行E EMD分解， 获得多个分量； 以及 对各分量进行 FFT转换， 获得 各分量频域信号。 13.根据权利要求11所述的泵阀故障检测方法， 其特征在于， 通过计算所述振动信号的 所述频域指标的频域能量和以及频域能量和占比， 对所述频域指标进行筛 选包括： 计算各所述分量频域信号的频域能量和以及频域能量和占比； 根据所述频域能量和占比对各所述分量频域信号进行排序， 并使用所述排序的前80％ 的所述分量频域信号的所述频域能量和作为所述频域特 征指标。 14.一种计算机设备， 包括存储器及处理器， 所述存储器上存储有可在处理器上运行的 计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求 1至13中任一项 所述方法的步骤。 15.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114417699 A 3